基于无线传感器网络的信息采集监测系统设计

基于B/s架构的无线传感器网络远程信息采集系统存在着实时性差、安全性差等特点,特别是在数据传输量大的情况下尤其突出.设计并实现了一种基于C/S架构的无线传感器网络信息采集监测系统.该系统采用自主研发的Node433TM无线传感器网络通信协议栈和基于ARM9的无线传感器网络嵌入式网关.系统具有实时响应性强,可靠性高的特点,可应用于数据传输量大的传感器网络数据采集与监测.     

基于乘客多运动行为的公交客流计数判定方法

针对基于单目视觉的公交乘客人数统计判定方法不稳定、计数结果不准确的现状,结合公交车门附近乘客运动行为的复杂性和多样性,以及乘客运动行为对计数判定方法的干扰,给出一种基于乘客多运动行为分析的计数判定方法。采用轨迹聚类的方式对乘客运动行为进行分析,结合轨迹的空间特征和方向特征计算轨迹距离,并使用层次聚类方法进行聚类。分析聚类结果中每一类别所对应乘客类的运动行为,讨论各乘客类的运动行为对常用计数判定准则的影响,由此提出一种改进的公交车客流计数判定方法。利用采集的乘客上下公交车视频图像进行实验,结果表明,该方法能获得较高的统计精度和较好的稳定性。     

基于蚁群优化的WSN负载均衡数据汇集算法

针对无线传感器网络(WSN)数据汇集应用中负载分配不均衡,使得网络节点出现早死,网络寿命缩短的问题,提出了一种基于蚁群优化(ACO)的负载均衡的数据汇集(Load-balancing data gathering based on ACO,L-ACO)算法。根据不同的任务,L-ACO算法将蚂蚁分为三类:前向探索蚂蚁(FD-ANT)、前向运输蚂蚁(Fr-ANT)和后向蚂蚁(B-ANT)。此算法定义蚂蚁的转移概率与路径信息素成反比,并采用父节点负载作为启发因子,使得蚂蚁趋向于走负载低的路径。通过前向蚂蚁与后向蚂蚁的分工合作,使得各条路径上的负载逐渐趋于均衡,从而延长网络寿命。仿真实验表明L-ACO算法可行。     

一种超低量程浊度传感器设计与实现

针对饮用水浊度检测,设计了一种超低量程浊度传感器。该浊度传感器采用独特结构环形的光电转换器,极大程度增加了信噪比。同时对光源镜片温度进行控制,消除了透光镜片起雾与光源不稳定引起的检测误差,进一步保证了浊度检测的准确性。最后,采用卡尔曼滤波算法对采集数据进行处理,消除高斯噪声对传感器的影响。     

低功耗射频唤醒无线传感器网络设计

针对无线传感器网络采用睡眠/唤醒机制来实现低功耗时,不可避免地引起网络响应时延的问题.在波束供电技术的基础上提出了无线传感器网络低功耗射频唤醒机制,给出了低功耗射频唤醒无线传感器网络节点的硬件结构和详细设计.节点通过从电磁波中获取能量来及时地唤醒自己,以达到提高实时性的目的.性能分析表明低功耗射频唤醒无线传感器网络节点比采用传统睡眠/唤醒机制的节点具有更高的实时性和更低的功耗.     

无线传感器网络优化路由树构造算法

针对无线传感器网络使用洪泛建立路由树时,传统的碰撞退避机制和路由树构造策略容易造成消息剧烈碰撞、路由容易瘫痪和建立非优化路由树等问题,提出了无线传感器网络优化路由树构造算法。算法定义路由有效期、父节点优先级队列,并结合跨层设计思想,修改MAC退避算法,提出交叉退避窗口策略,并经仿真实验证明能够有效地构造出较优的路由树。     

面向WSN数据汇集应用的动态负载均衡算法

针对WSN数据汇集应用中,由于负载分配不均衡,使得网络节点出现早死,缩短网络寿命问题,提出一种面向WSN数据汇集应用的动态负载均衡算法（DLB-DGA）。DLB-DGA算法采用压力传输和压力均衡的思想,通过压力计算模型和流量均衡计算模型,动态调整子节点转发给父节点的数据流量比例,使网络上游节点的负载逐渐趋于最大程度的均衡,延长网络寿命。仿真实验表明DLB-DGA算法可行。     

一种利用声音识别的森林盗伐检测方法

针对目前森林盗伐猖獗,且尚无实时检测盗伐行为方法问题,提出了一种基于声音识别的森林盗伐检测方法。通过对声音信号的频谱特征分析、相似度值及信噪比计算,检测是否存在链锯伐木行为。实验结果表明,提出的方法能够有效地排除干扰声音,准确、实时地识别链锯伐木声音。     

带有拥挤程度指示的图形化公交站牌设计

针对当前智能公交系统中电子站牌缺少车内拥挤程度显示的问题,设计全新的图形化公交站牌,提出一种基于超声波技术的拥挤程度检测方法。结合超声波测距、全球定位系统和通用分组无线服务技术改进传统车载终端,通过超声波测距确定各个超声波传感器下是否有乘客站立,对检测到乘客站立的传感器数量进行统计,以此推断车内的拥挤程度。设计开发图形化公交站牌,实现拥挤程度实时检测、行车路线实时标注和到站距离预测等功能。实验数据表明,该系统可靠性高,能准确反映车内拥挤程度,直观显示车辆位置,准确预测到站距离,满足智能公交系统的要求。     

基于灰色神经网络建模的水质参数预测

针对水质参数预测过程中样本数据少的特点,结合灰色新陈代谢GM(1,1)模型和BP神经网络模型,提出灰色新陈代谢BP神经网络组合模型。用灰色新陈代谢模型群的数据集作为BP神经网络的学习测试样本,解决了BP网络需要大量样本才能较好地逼近非线性函数的问题。实验表明,与普通BP网络、灰色新陈代谢模型比较,灰色新陈代谢BP神经网络组合模型的预测精度更高,能够应用于水质参数的预测。